Çalışan ayrılma (attrition) modellerinin karşılaştırılması

Bu egzersizde görevin, budanmış ağaç (max_depth=7) kullanarak dengelenmiş (balanced) ve dengesiz (imbalanced) (varsayılan) modelleri karşılaştırmak. Dengesiz model için recall ve ROC/AUC skorları zaten hesaplandı. Aynı adımları dengelenmiş model için tamamla.

features_train, target_train, features_test ve target_test değişkenleri çalışma alanında hazır.
Senin için bir dengesiz model zaten eğitildi ve tahminleri prediction olarak kaydedildi.
recall_score() ve roc_auc_score() fonksiyonları içe aktarıldı.

Bu egzersiz

İK Analitiği: Python ile Çalışan Terkini (Churn) Tahmin Etme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Dengelenmiş modeli başlat; maksimum derinliği 7, tohum (seed) değeri 42 olsun.
Eğitim setini kullanarak eğitim bileşenine fit et.
Test setini kullanarak tahmin yap.
recall skoru ve ROC/AUC skorunu yazdır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Print the recall score
print(recall_score(target_test,prediction))
# Print the ROC/AUC score
print(roc_auc_score(target_test,prediction))

# Initialize the model
model_depth_7_b = 
# Fit it to the training component
model_depth_7_b.fit(____,____)
# Make prediction using test component
prediction_b = 
# Print the recall score for the balanced model
print(____)
# Print the ROC/AUC score for the balanced model
print(____)

Kodu Düzenle ve Çalıştır